• Deutsch

  • English

Kontakt
  • Haben Sie Fragen?

Birgit Welt

Study Coach

Your Contact

Sensordatenfusion und Lokalisierung

Lernziele


Die Teilnehmenden kennen die Möglichkeiten der Fusion verschiedener Sensordaten zur Umfeldwahrnehmung und können diese beurteilen. Aufbauend hierauf verstehen sie, wie ein autonom fahrendes Fahrzeug eine eigene Karte seines Umfelds erstellt und sich hierin lokalisiert.

Lehrinhalte


1. Sensordatenfusion zeitvarianter und zeitinvarianter Größen

1.1 Datenfusion zeitinvarianter Größen

1.2 Zustandsraumbeschreibung zeitvarianter Größen

1.3 Klassisches und adaptives Kalman-Filter (ROSE-Filter)

1.4 Nichtlineare-Filter (Spezielle Gauß-Filter, Partikelfilter)

1.5 Erweitertes Kalman-Filter

 

2. SLAM: (Simultaneous) Localization and Mapping

2.1 Motivation Lokalisierung und Mapping für automatisiertes Fahren

2.2 Taxonomien

2.3 Problemstellung Feature based SLAM

2.4 SLAM und Kalman-Filter (z. B. EKF SLAM)

2.5 SLAM und Partikelfilter (z. B. FastSLAM)

2.6 Grid Mapping

Weitere Informationen zum Download


Lernform

Blended Learning / Präsenz

Zeitraum

4-6 Wochen

Workload

5 ECTS

48 UE Präsenz / virtuelle Präsenz

102 UE Selbststudium

Nächster Starttermin

September - Februar

Prüfung

Klausur

Voraussetzungen

Mathematik mit Schwerpunkt Stochastik

Sprache

Deutsch

Freie Plätze

Lehrende

Prof. Dr. Frank Niewels, Prof. Dr. Martin Stämpfle, Prof. Dr.-Ing. Frank Tränkle

Ort

Hochschule Esslingen

Der Kurs ist aktuell ausgebucht


zur Warteliste